3.1 Desain Penelitian
Penelitian ini termasuk ke dalam riset eksplanatori. Penelitian ini dilakukan dengan menggunakan paradigma asosiatif. Pada penelitian ini akan dilakukan analisis untuk mengetahui bagaimana hubungan KLCI, PSEi, SET dan STI dengan IHSG pada periode Januari 2010 sampai Desember 2014.
3.2 Ruang Lingkup Wilayah Penelitian
Ruang lingkup penelitian ini adalah Pasar Modal Indonesia dan beberapa pasar modal regional khususnya bursa saham ASEAN yang diwakili oleh Kuala Lumpur Stock Exchange (Malaysia), Philipine Stock Exchange (Pilipina), Thailand Stock Exchange (Thailand) dan Singapore Stock Excange (Singapura). Dalam mengukur perkembangan pasar, indikator yang digunakan adalah pergerakan dari Indeks Harga Saham pada masing-masing pasar saham. Pasar Modal Malaysia (dengan KLCI), Philipina (dengan Indeks PSEi), Thailand (dengan Indeks SET) dan Singapura (dengan Indeks Straits Times) dengan data yang diperoleh melalui website www.finance.yahoo.com.Penelitian ini menggunakan periode dari bulan Januari 2010 sampai Desember 2014.
3.3 Obyek Penelitian
Objek dalam penelitian ini adalah KLCI, PSEi, SET dan STI yang mempengaruhi IHSG periode Januari 2010-Desember 2014.
3.4 Identifikasi Variabel
Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, objek atau kegiatan yang mempunyai variasi tertentu yang diterapkan untuk dipelajari dan ditarik kesimpulannya (Sugiyono, 2007:59). Adapun variabel yang digunakan pada penelitian ini adalah sebagai berikut:
1) Variabel X1 adalah Indeks Harga Saham Gabungan (IHSG) periode Januari 2010-Desember 2014.
xxvii
3) Variabel X3 adalah Indeks PSEi periode Januari 2010-Desember 2014. 4) Variabel X4adalah Indeks SET periode Januari 2010-Desember 2014.
5) Variabel X5 adalah Indeks Straits Times (STI) periode Januari 2010-Desember 2014.
3.5 Definisi Operasional Variabel
Mengacu pada definisi konseptual variabel penelitian yang telah dibahas dalam kajian pustaka, maka definisi operasional variabel penelitian dijelaskan sebagai berikut:
1) Indeks Harga Saham Gabungan (X1)
Variabel Dependen adalah Indeks Harga Saham Gabungan (IHSG) Indonesia yang merupakan perbandingan atau proporsi dari total harga semua saham pada tahun yang berlaku dengan total harga saham pada waktu dasar. IHSG adalah indeks yang terdapat di Bursa Efek Indonesia. Data IHSG yang digunakan dari periode Januari 2010-Desember 2014.
2) Indeks KLCI (X2)
Indeks KLCI (DJI) adalah indeks komposit saham-saham pada bursa saham Kuala Lumpur Stock Exchange di Malaysia.Jumlah tersebut mencerminkan nilai pasar dari seluruh saham di Malaysia. Sebagai negara terdekat, perekonomian Malaysia akan saling mempengaruhi dengan perekonomian Indonesia. Data KLCI yang digunakan dari periode Januari 2010-Desember 2014.
3) Indeks PSEi (X3)
PSEi merupakan indikator indeks saham yang terdaftar di Philipines Stock Exchange (Filipina). Indeks PSEi mewakili kinerja saham di Bursa saham Filipina yang diwakili oleh 30 saham terbesar dan teraktif di Bursa Saham Filipina Sebagai negara di kawasan Asia Tenggara dan yang ikut serta pada AFTA maka pasar modal Filipina tentu saja memiliki pengaruh dengan pasar modal di Indonesia. Data indeks PSEi100 yang digunakan dari periode Januari 2010-Desember 2014.
4) Indeks SET (X4)
Indeks SET merupakan sebuah indeks pasar saham di Bursa Saham Thailand. Indeks SET menunjukan transaksi seluruh saham di Bursa Saham Thailand. Sebagai negara Negara yang berada di kawasan Asia Tenggara dan ikut serta dalam AFTA tentu saja memiliki
xxviii
hubungan ekonomi yang saling mempengaruhi satu dengan kainnya begitu pula antar pasar modal kedua Negara.Data indeks SET yang digunakan dari periode Januari 2010-Desember 2014.
5) Indeks Straits Times (X5)
Indeks Straits Times (STI) adalah gabungan dari 30 perusahaan terbesar di pasar saham Singapura. Sebagai negara maju yang sangat berdekatan dengan Indonesia, perekonomian Singapura sangat berpengaruh terhadap Indonesia. Singapura dan Indonesia merupakan anggota ASEAN yang memiliki perjanjian ekonomi yaitu AFTA, dimana AFTA merupakan perjanjian ekonomi perdagangan bebas di kawasan Asia Tenggara. Data STI yang digunakan dari periode Januari 2010-Desember 2014.
Kelima indeks tersebut (IHSG, KLCI, PSEi, SET dan STI) dapat dihitung dengan menggunakan rumus indeks tak tertimbang sebagai berikut (Muzammil, 2011):
... (2) Pt = Total Harga semua saham pada waktu yang berlaku Po = Total Harga Saham pada waktu dasar
3.6 Jenis dan Sumber Data 3.6.1 Jenis Data
Jenis data yang digunakan dalam penelitian ini yaitu data kuantitatif. Data kuantitatif merupakan data yang berbentuk angka-angka (Sugiyono, 2007:14). Data kuantitatif pada penelitian ini adalah data yang tersaji dalam bentuk tabel maupun grafik.Penelitian ini menggunakan data historis yang berupa data runtun waktu (times series) bulanan dengan meneliti indeks harga saham waktu penutupan perdagangan bulan pertama sampai dengan indeks harga saham waktu penutupan bulan terakhir pada periode yang diteliti.
3.6.2 Sumber Data
Sumber data yang digunakan dalam penelitian ini adalah sumber sekunder yaitu sumber data yang diperoleh secara tidak langsung melalui media perantara dan melalui kegiatan dokumentasi (diperoleh dan dicatat oleh pihak lain). Sumber sekunder digunakan dalam penelitian dengan alasan tidak memungkinkan bagi peneliti untuk memperoleh secara
xxix
langsung. Data yang diperoleh dengan sumber sekunder berupa data historis pergerakan IHSG, KLCI, PSEi, SET dan STI periode Januari 2010 - Desember 2014 yang dipublikasikan untuk umum melalui situs www.finance.yahoo.com.
3.7 Populasi, Sampel dan Metode Penentuan Sampel
Penelitian ini menggunakan populasi yaitu indeks harga saham di Bursa Efek Indonesia dengan seluruh data IHSG, Kuala Lumpur Stock Exchange (Malaysia) dengan seluruh data Indeks KLCI, Philipines Stock Exchange (Filipina) dengan seluruh data indeks PSEi, Thailand Stock Exchange (Thailand) dengan seluruh data indeks SET dan Singapore Stock Exchange (Singapura) dengan seluruh data indeks Straits Times pada periode Januari 2010-Desember 2014.
Sampel adalah himpunan objek dari pengamatan yang dipilih dari populasi yang memiliki karakteristik yang akan diselidiki dan dianggap bisa representative dari keseluruhan populasi. Penelitian ini dikategorikan sebagai penelitian yang bekerja dengan sensus, sehingga tidak perlu menghadapi persoalan generalisasi. Penelitian ini terhindar dari sampling karena jumlah sampel yang diambil sama dengan jumlah anggota populasi (Rahyuda dkk, 2004:42).
3.8 Metode Pengumpulan Data
Pengumpulan data yang berhubungan dengan penelitian ini dilakukan dengan metode observasi non partisipan. Artinya, teknik pengumpulan data dengan observasi/pengamatan dimana peneliti tidak terlibat langsung dan hanya sebagai pengamat independen (Sugiyono,2009:204). Pengumpulan data dalam penelitian ini dilakukan dengan mengumpulkan sumber sekunder yang berupa data historis IHSG, KLCI, PSEi, SET dan STI periode Januari 2010 - Desember 2014 yang diperoleh melalui situs www.finance.yahoo.com.
3.9 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah sebagai berikut. 3.9.1 Analisis Regresi Linier Berganda
Teknik yang digunakan untuk menganalisis data dalam penelitian ini adalah analisis regresi linier berganda (multiple linear regresion analysis). Analisis regresi linier berganda merupakan ukuran kesesuaian dari persamaan regresi, yaitu variasi dari variabel terikat yang
xxx
mampu dijelaskan oleh dua atau lebih variabel bebas (Utama,2008:54). Tujuan analisis ini adalah untuk mengetahui pengaruh KLCI, PSEi, SET dan STI terhadap IHSG Indonesia periode Januari 2010-Desember 2014. Analisis Linier berganda ini menggunakan alat bantu Statistical Package For Social Science (SPSS).
Menurut Gujarati (2006:91), persamaan regresi linier berganda pada penelitian ini dapat dinyatakan dalam persamaan sebagai berikut :
Y = β0 + β1 X1 + β2 X2 + β3 X3 + β4X4+ µ ... (3) Keterangan : Y = IHSG X1 = DJI X2 = FTSE100 X3 = N225 X4 = STI
β1,β2,β3,β4 = Koefisien regresi parsial β0 = Intersep (konstanta) μ = Kesalahan pengganggu
3.9.2. Uji Asumsi Klasik
Menurut Utama (2009:89), sebelum model regresi digunakan, perlu dilakukan pengujian asumsi klasik terlebih dahulu yang meliputi Uji Normalitas, Uji Autokorelasi, Uji Multikolinieritas, dan Uji Heteroskedastisitas. Pengujian asumsi klasik ini dimaksudkan untuk memastikan bahwa model yang diperoleh benar-benar memenuhi asumsi dasar dalam analisis regresi.
1) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam residual dari model regresi yang dibuat berdistribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi residual yang normal atau mendekati normal. Umumnya regresi dengan residual yang berdistribusi normal diperoleh dari variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Jika tidak normal, maka prediksi yang dilakukan dengan data tersebut akan tidak baik, atau dapat memberikan hasil prediksi yang menyimpang.
Dalam penelitian ini, untuk menguji apakah distribusi data normal atau tidak, pertama dapat dilakukan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Jika
xxxi
titik-titik menyebar mendekati garis diagonal maka data tersebut dianggap berdistibusi normal. Kedua, dapat dilakukan dengan Uji Kolmogorov-Smirnov. Persyaratannya adalah apabila asymp. Sig. (2 tailed) > 5%, maka dapat dikatakan data telah terdistribusi normal (Utama, 2009:99).
2) Uji Autokorelasi
Untuk melacak adanya autokorelasi atau pengaruh data dari pengamatan sebelumnya dalam model regresi dilakukan uji autokorelasi. Jika suatu model regresi mengandung gejala autokorelasi, maka prediksi yang dilakukan dengan model tersebut akan tidak baik atau dapat memberikan hasil prediksi yang menyimpang. Uji autokorelasi dapat dilakukan degan uji Durbin-Watson (DW-test) terhadap variabel pengganggu (disturbance error term). Bila angka DWberada diantara DU < DW < 4 – DU berarti tidak terjadi gejala autokorelasi (Ghozali, 2006:124). Dalam uji DW ini, kriteria yang harus dipenuhi adalah sebagai berikut. Nilai (D-W) test tersebut dibandingkan dengan nilai t tabel dengan menggunakan tingkat keyakinan sebesar 95 persen :
1) bila du < dw < 4-du, maka tidak terjadi autokorelasi 2) bila dw < dl, berarti terjadi autokorelasi positif 3) bila dw > 4-dl, berarti terjadi autokorelasi negatif
4) bila dl<dw<du atau 4-du<dw<4-dl, maka tidak dapat disimpulkan mengenai ada tidaknya autokolerasi.
2) Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Model regresi yang baik adalah bebas dari gejala multikolinieritas. Jika suatu model regresi yang mengandung gejala multikolinier dipaksakan untuk digunakan, maka akan memberikan hasil prediksi yang menyimpang. Pendeteksian ada atau tidaknya korelasi antar sesama variabel bebas dapat dilihat dari nilai variance inflation factor (VIF). Jika nilai tolerance lebih dari 10 persen atau VIF kurang dari 10, maka dikatakan tidak ada multikolinieritas. Adanya gejala multikolinier yang sering diindikasikan oleh R2 yang sangat besar atau uji F yang signifikan, tetapi tidak satupun variabel bebas yang signifikan melalui uji parsial (t) (Utama, 2008:92).
xxxii
4) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang tidak mengandung gejala heteroskedastisitas atau mempunyai varians homogen. Jika suatu model regresi yang mengandung gejala heteroskedastis akan memberikan hasil prediksi yang menyimpang. Mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan Uji Glejser. Uji Glejser dilakukan dengan cara meregresikan variabel bebas terhadap absolut residual. Model regresi yang tidak mengandung gejala heteroskedastisitas adalah apabila signifikansi variabel bebasnya terhadap nilai absolut residual statistik di atas α = 0,05 (Ghozali, 2006:108).
3.9.3. Pengujian Hipotesis 3.9.3.1Uji Parsial (t-test)
Uji t digunakan untuk membuktikan hipotesis kedua yang menyatakan bahwa variabel bebassecara parsial berpengaruh signifikan terhadap variabel terikat, dengan langkah-langkah sebagaiberikut :
(1) Merumuskan hipotesis
H0 : bi(i = 1,2,3,4) = 0 artinya secara parsial variabel DJI, FTSE100,ASX 200, SSE Composite Index, N225, STI berpengaruh tidak signifikan terhadap variabel IHSG. H1 : bi(i = 1,2,3,4) ≠0 artinya secara parsial variabel DJI, FTSE100, ASX 200, SSE
Composite Index, N225, STI berpengaruh signifikan terhadap variabel IHSG. (2) Menentukan taraf nyata pada (α) = 5% dan df = (α ; n-k) untuk menghitung t tabel (uji
satu sisi). Pada pengujian satu sisi, tingkat signifikansi yang digunakan dikalikan dua (Utama, 2009), sehingga df = (α.2 ; n-k)
(3) Menentukan besarnya t hitung, yang diperoleh dari hasil regresi dengan bantuan program SPSS.
(4) Kriteria Pengujian
H0 diterima bila :thitung ≤ ttabel H0 ditolak bila : thitung > ttabel
Alternatif lain adalah dengan menggunakan bantuan program SPSS 16.0, dengan kriteria pengujian adalah :
xxxiii
Apabila tingkat signifikan t>α = 0,05 maka H0 diterima
3.9.3.2 Uji Koefisien determinasi R2
Berdasarkan hasil regresi berganda tersebut, maka selanjutnya dapat dianalisis koefisien determinasinya (R2) yaitu koefisien determinasi simultan untuk mengukur secara serempak dampak variabel independen (X1, X2, X3, X4, X5, X6) terhadap variabel dependen (Y). Jika (R2) yang diperoleh mendekati 1 (satu), maka dapat dikatakan semakin kuat model tersebut menerangkan variasi variabel bebas terhadap variabel terikat. Sebaliknya, jika (R2) makin mendekati 0 (nol), maka semakin lemah variasi variabel bebas terhadap variabel terikat.
3.10. Model Penelitian
Berdasarkan rumusan hipotesis penelitian tersebut, diperoleh bentuk model penelitian pada penelitian ini yang disajikan pada Gambar 3.1 berikut ini.
Gambar 3.1 Pengaruh KLCI, PSEi, SET dan STI tehrhadap IHSG
Indeks KLCI (X1) Indeks PSEi (X2) Indeks SET (X3) Indeks STI (X4)
Indeks Harga Saham Gabungan
xxxiv
BAB 4